Pour commencer, téléchargez un exemple de fichier d’entrée délimité par des virgules contenant une liste de métabolites avec des mesures expérimentales. Double-cliquez sur le fichier d’exemple téléchargé pour l’ouvrir et vérifier qu’il contient des étiquettes pour les échantillons et les métabolites. Ensuite, téléchargez l’application Java de calcul de corrélation et double-cliquez sur le fichier JAR téléchargé pour lancer l’application.
Dans l’onglet Entrée, cliquez sur le bouton Parcourir pour télécharger le fichier d’entrée. Sous Spécifier le format de fichier, sélectionnez des échantillons dans les lignes. Cliquez sur le bouton suivant en bas à droite de la fenêtre pour accéder à l’onglet Normalisation des données.
Sous Sélectionner des méthodes, cochez la case en regard de Journaliser pour transformer les données et mettre à l’échelle automatiquement les données. Sous Données normalisées, cliquez sur le bouton Exécuter. Une fois la normalisation terminée, cliquez sur le bouton Enregistrer pour enregistrer le nouveau fichier de données.
Cliquez sur le bouton suivant pour accéder à l’onglet Analyse des données et, sous Calculer la corrélation de Pearson, cliquez sur Exécuter pour déterminer la meilleure plage de corrélation de Pearson pour les données. Cliquez sur le bouton Afficher l’histogramme pour examiner la fréquence des scores de corrélation de Pearson maximaux par entité dans le bouton Afficher la carte thermique pour examiner la représentation de la matrice de corrélation de Pearson. Sous Filtrer par corrélations de Pearson, laissez les nombres par défaut filtrer par une plage de 0,00 à 1,00.
Ensuite, sous Sélectionner la méthode de corrélation partielle, sélectionnez la méthode souhaitée comme méthode DSPC. Et sous Calculer les corrélations partielles, cliquez sur le bouton Exécuter. Cliquez sur le fichier CSV pour afficher les résultats, puis cliquez sur le bouton Enregistrer pour enregistrer les résultats.
Un réseau représentatif construit à partir d’un sous-ensemble de données métabolomiques de l’étude de population KORA composé de 151 métabolites chez 240 sujets est présenté. Le regroupement des réseaux consensuels a permis d’identifier neuf sous-réseaux ou modules métaboliques.
